Spring AI培訓

1. Spring AI 簡介

• 專案創建與設定
• 提示詞（Prompt）的角色與提交方式
• 撰寫第一個測試
• 選擇模型
• 模型設定
• Spring AI 功能預覽

2. 理解回應

• 如何檢查相關答案
• 執行時的準確性

3. 提示詞（Prompt）詳解

• 使用提示詞模板
• 定義新的提示詞模板
• 理解上下文（Context）
• 角色的作用及其重要性
• 使用選項影響回應生成
• 串流輸出與格式處理
• 回應中的元數據（Metadata）

4. 使用您的數據和文件

• 理解 RAG（檢索增強生成）
• 設定向量資料庫並載入文件
• 第一個 RAG 實現
• 使用顧問模式（Advisor）的 RAG
• 模塊化 RAG 功能

5. 記憶在 AI 中的角色

• 為什麼需要記憶
• 添加並設定以支援對話的記憶
• 對話 ID
• 支援持久化記憶
• 將聊天記憶存入向量資料庫

6. AI 工具

• 啟用工具的應用程式
• 理解工具的功能
• 編寫並運用工具
• 作為工具的功能（Functions as tools）

7. 模型上下文協議（MCP）

• 為什麼需要 MCP？
• 使用 MCP 客戶端（Client）
• 編寫 MCP 服務端（Server）
• MCP 服務端的資料庫與工具
• 理解 HTTP 和 SSE（伺服器推送事件）傳輸
• 公開提示詞和資源

8. 監控運作

• 啟用 Actuator 指標
• 檢查向量資料庫操作
• 觀察模型互動
• Token 計數
• 導入 Prometheus 並創建儀表板
• 追蹤 AI 操作

9. 生成式 AI 的防護

• 控制透過 RAG 存取的文件
• 保護工具安全
• 對抗敵意提示（Adversarial Prompting）
• 審核用戶輸入

10. 常見的生成式模式

• 內容摘要
• 訊息翻譯
• 情緒分析

11. 智能體（Agents）的角色

• 什麼是智能體
• 實現智能體工作流
• 提示詞鏈接、任務路由與並行化
• 透過 MCP 存取智能體